2025_Procesamiento

class: inverse,left, middle
background-image: url(background.png)
background-size: cover

##Módulo 2: Análisis espacial y Percepción remota satelital óptica

### Pre-procesamiento satelital II

Matías Pérez Evens 
matias.perez@pucv.cl

.large[<a href="https://www.pucv.cl/uuaa/site/edic/base/port/labgrs.html">LabGRS</a> | Noviembre 2025]

---
class: center,middle
background-image: url(data:image/png;base64,#labgrs_logo.png)
background-size: 35%

---
## Contenidos

.pull-left[

* Combinaciones de bandas. **✔**

* Calibración radiométrica. **✔**

* Corrección atmosférica. **✔**

* Filtros de calidad de la información satelital.

* Compensación topográfica por iluminación.

]

.pull-right[
 <img src="data:image/png;base64,#https://raw.githubusercontent.com/allisonhorst/stats-illustrations/main/rstats-artwork/r_rollercoaster.png" width="650px"/>
]

---

### Filtros de calidad de la información: Quality Assessment

* <a href="https://d9-wret.s3.us-west-2.amazonaws.com/assets/palladium/production/s3fs-public/media/files/LSDS-1619_Landsat8-9-Collection2-Level2-Science-Product-Guide-v6.pdf">**Manual de uso Landsat 8-9 Nivel 2**</a>

---

### Filtros de calidad de la información: Quality Assessment

#### Valores posibles por clase de bits#

1 bit: 2 valores posibles
 * 0 → 0
 * 1 → 1

2 bits: 4 valores posibles
 * 00 → 0
 * 01 → 1
 * 10 → 2
 * 11 → 3

4 bits: 16 valores posibles
 * 0000 → 0
 * 0001 → 1
 * [...]
 * 1111 → 15

---

### Filtros de calidad de la información: Quality Assessment

#### Valores posibles por clase de bits#

8 bits: 256 valores posibles
 * 00000000 → 0
 * [...]
 * 11111111 → 255

...

16 bits: 65536 valores posibles
 * 0000000000000000 → 0
 * [...]
 * 1111111111111111 → 65535

---

### Filtros de calidad de la información: Quality Assessment

---

### Filtros de calidad de la información: Quality Assessment

``` r
# librerias necesarias
library(terra)

# Calibración radiometrica: Escalado de datos de DN a Reflectancia
L8_SR <- rast("L8_SR_VALPARAISO_C02.tif") * 0.0000275 + -0.2
QA <- rast("QA_PIXEL_BAND_L8_SR_VALPARAISO_C02.tif") # banda Quality Assessment

plotRGB(L8_SR, r = 4, g = 3, b = 2, stretch = "hist") # visualización
```

---

### Filtros de calidad de la información: Quality Assessment

``` r
### Filtro Qa por valores del pixel --------
# QA High conf Cloud ---
QA_nube_high <- QA

QA_nube_high[QA_nube_high != 22280] <- NA
plot(QA_nube_high, add=T, col = "red")

#QA High conf cloud shadow ---
QA_cloud_shadow <- QA

QA_cloud_shadow[QA_cloud_shadow != 23888] <- NA
plot(QA_cloud_shadow, add = T, col = "cyan")

#QA High conf Snow/Ice ---
QA_snow_high <- QA

QA_snow_high[QA_snow_high != 30048] <- NA
plot(QA_snow_high, add = T, col = "yellow")
```

---

### Filtros de calidad de la información: Quality Assessment

Nubes, Sombra de nubes y Nieve/hielo.

---

### Filtros de calidad de la información: Quality Assessment

``` r
# Crear objeto con los QA que quiero eliminar:
qa_list <- c(22280, 30048, 23888)

L8_SR_QA_list <- L8_SR
L8_SR_QA_list[QA %in% qa_list] <- NA

plotRGB(L8_SR_QA_list, r = 4, g= 3, b= 2, stretch = "hist") # visualización

#writeRaster(L8_SR_QA_list, filename = "QA_MASK_L8_SR_v1.tif", overwrite = T)
```

---

### Filtros de calidad de la información: Quality Assessment

Imagen sin nubes, nieve/hielo ni sombras de nubes.

---

### Filtros de calidad de la información: Quality Assessment

``` r
# Crear objeto SOLO con los QA que deseo conservar
qa_value <- 21824 # Clear with low sets

L8_SR_QA <- L8_SR
L8_SR_QA[QA != qa_value] <- NA

plotRGB(L8_SR_QA, r = 4, g= 3, b= 2, stretch = "hist") # visualización

#writeRaster(L8_SR_QA, filename = "QA_MASK_L8_SR_v2.tif", overwrite = T)
```

---

### Filtros de calidad de la información: Quality Assessment

Imagen **solo con pixeles** de condición Clear with lows set. *(Revisar tabla)*

---

### Filtros de calidad de la información: Quality Assessment

Comparación **sin Quality Assessment** (izq) vs **Clear with lows set** (der)

.pull-left[<img src="data:image/png;base64,#lc_rgb.jpeg" height="500px" /></center>]
.pull-right[<img src="data:image/png;base64,#lc_qa_clear.jpeg" height="500px" /></center>]

---

### Compensación topográfica por iluminación

---

### Compensación topográfica por iluminación

---

### Compensación topográfica por iluminación

.pull-left[
Compensa la energía electromagnética que es reflejada por superficies irregulares (topografía) y es captada por el sensor.

Las condiciones del terreno pueden generar grandes variaciones en la reflectancia de ciertos objetos en superficie.

Contamos con una amplia cantidad de métodos. Sin embargo, no existe un consenso general de cual método es mejor respecto a los demás.

El metodo a elegir dependera de **la rugosidad de la superficie** de estudio, los angulos del **azimuth y zenith del sol** y la temporada (estacion del año) en la cual nos encontremos trabajando.
]

.pull-right[
 <img src="data:image/png;base64,#topo_solar.jpg" height="400px"/>
]

---

### Compensación topográfica por iluminación

Dentro de los métodos de compensación basados en el uso de modelos de elevación digital, podemos encontrar 2 grandes grupos.

1. **Metodos Lambertianos**
  * Coseno
  * Coseno mejorado

2. **Metodos no lambertianos**
  * Minnaert
  * Minnaert slope
  * SCS

---

### Compensación topográfica por iluminación

Estos métodos se basan en la creación de un **modelo de iluminación** el cual considera la pendiente, orientación y posición del sol para determinar la condición de la luz en el área de interés.

---

### Compensación topográfica por iluminación

``` r
## librerias necesarias
library(tidyverse)
library(terra)

## Compensación topográfica de la iluminación. 
poly <- vect("poly.shp")

# Abrir imagen Landsat usada anteriormente
# IMPORTANTE: debe estar en reflectancia

L8_crop <- L8_SR %>%
 crop(poly) %>% mask(poly)

plotRGB(L8_crop, r = 4, g= 3, b= 2, stretch = "lin")

DEM <- rast("DEM_zonaInteres.tif") %>% crop(poly) %>% 
 mask(poly) %>% resample(L8_crop)

plot(DEM) #visualización
```

---

### Compensación topográfica por iluminación

---

### Compensación topográfica por iluminación

Coseno Teillet et al. 1982

``` r
## Modelo de iluminación ----

sunazimuth <- 45.90472755 * pi/180 
sunzenith <- (90-44.39053871) * pi/180

slope <- terra::terrain(DEM, v = "slope", unit = "radians") 
aspect <- terra::terrain(DEM, v = "aspect", unit = "radians")

IL <- cos(slope)*cos(sunzenith) + sin(slope)*sin(sunzenith)*cos(sunazimuth - aspect)
plot(IL)
```

---

### Compensación topográfica por iluminación

---

### Compensación topográfica por iluminación

Coseno Teillet et al. 1982

``` r
## Metodo coseno 1982 ---
TopoCos <- L8_crop*(cos(sunzenith)/IL)
```

---

### Compensación topográfica por iluminación

---

### Compensación topográfica por iluminación

Coseno mejorado Civco et al. 1989

Se presenta una mejora respecto al modelo de iluminación considerando el valor promedio para el área de estudio, esto permite generar una compensación más homogénea.

``` r
## COSENO TOPO CORRECTION ----
IL_mean <- terra::global(IL, "mean", na.rm = T) 
IL_mean <- IL_mean$mean 
TopoCos_imp <- L8_crop+(L8_crop*(IL_mean - IL)/ IL_mean)
```

---

### Comparación visual: compensación topográfica por iluminación

---

### Comparación de reflectancias superficiales con los diferentes metodos.

``` r
# comparacion reflectancias --

il_df <- IL %>% as.data.frame(xy = T)

px <- matrix(data = c(284018.749,6315530.393), nrow = 1, ncol = 2)

reflectancia_l8_normal <- terra::extract(L8_crop, px) %>% t %>% as.data.frame()
reflectancia_l8_normal <- tibble::rownames_to_column(reflectancia_l8_normal, "bands")

reflectancia_cos <- terra::extract(TopoCos, px) %>% t %>% as.data.frame()
reflectancia_cos_imp <- terra::extract(TopoCos_imp, px) %>% t %>% as.data.frame()

df <- reflectancia_l8_normal %>% cbind(reflectancia_cos$V1, reflectancia_cos_imp$V1)
names(df) <- c("bandas", "SR", "SR_coseno", "SR_coseno_imp")
```

---

### Comparación de reflectancias superficiales con los diferentes metodos.

``` r
## Plot simple de la reflectancia superficial corregida por 2 metodos ---------
plot(
  x = df$SR, type = "l", xlab = "L08 bands (costal - SWIR2)", # tipo de grafico "l" lineas
  ylab = "surface reflectance (%)", col = "red", lwd = 2, ylim = c(0, 1),
  main = "Comparacion SR diferentes métodos de compensación" 
)
lines(x = df$SR_coseno, type = "l", col = "blue", lwd = 2) # agregar otra linea.
lines(x = df$SR_coseno_imp, type = "l", col = "green", lwd = 2) # agregar otra linea.
legend(
  x = "topright", # posición de la leyenda
  legend = c("SR", "SR cos", "SR impcos"), # etiquetas
  col = c("red", "blue", "green"), # colores de la linea
  lwd = 2 # ancho de la linea
)
```

---

### Comparación de reflectancias superficiales con los diferentes metodos.

---

### Bibliografía

Civco, D. L. (1989). Topographic normalization of Landsat Thematic Mapper digital imagery. Photogrammetric engineering and remote sensing, 55(9), 1303-1309.

Allen, Tom. (2000). Topographic Normalization of Landsat Thematic Mapper Data in Three Mountain Environments. Geocarto International. 15. 10.1080/10106040008542148.

Riaño, David & Chuvieco, Emilio & Salas, Javier & Aguado, Inmaculada. (2003). Assessment of different topographic corrections in Landsat-TM data for mapping vegetation types (2003). Geoscience and Remote Sensing, IEEE Transactions on. 41. 1056 - 1061. 10.1109/TGRS.2003.811693.

---
class: middle
![logo](data:image/png;base64,#LABGRS-PUCV.png)